[发明专利]一种基于二次数据折叠成图的射电脉冲星识别辅助方法

说明书

本发明公开了一种基于二次数据折叠成图的射电脉冲星识别辅助方法。包括以下步骤：S101：从脉冲星候选体数据源中获取候选体信息和相关参数，得到待处理的数据集；S102：对待处理数据集中的每一个候选体，进行二次数据折叠，并分别成图，得到2个图像；S103：合并由二次数据折叠所成图得到的2个图像，生成辅助识别图；S104：更新标记数据源中候选体的参数。本发明一方面可辅助科研人员提高对射电脉冲星候选体识别的效率和准确度；另一方面可有效去除零色散（干扰信号）候选体，极大的缩减了需要人工筛查确认的候选体集，该方法可用于我国重大科学装置FAST工程19波束脉冲星巡天项目、未来SKA脉冲星搜索项目以及其他国际脉冲星巡天项目。

技术领域

本发明涉及大规模数据处理技术领域，具体是一种基于二次数据折叠成图的射电脉冲星识别辅助方法。

背景技术

随着大型射电望远镜及配套超宽带接收机设备的建设和使用，由射电脉冲星巡天而采集到的数据源由十年前的TB时代跨入PB时代，对PB量级数据的处理（脉冲星搜索），将至少产生千万量级的脉冲星候选体。大数量的候选体诊断图中，真正能够判定具有明确脉冲星信号特征的比例往往低于千分之一，其余大多为望远镜台站电磁环境干扰所导致的零色散信号，其占比高达70%，海量的候选体识别和筛选工作量已成为制约脉冲星搜索和发现的主要因素之一，天文学家发现一颗的新射电脉冲星需要付出巨大的工作量。

目前对候选体筛选多依赖人工模式，即通过训练学生或者专职人员，对候选体图像进行人工筛选和分类识别。显然，在大数据时代，特别是500米口径球面射电望远镜（Five-hundred-meter Aperture Spherical radio Telescope，简称FAST）和平方公里阵列望远镜（Square Kilometre Array，简称SKA) 的高数据量脉冲星巡天时代，候选体产生数量在千万量级以上，人工模式显然无办法继续承担此类任务。

发明内容

针对上述现有判别方法中的不足之处，本发明旨在提供一种基于二次数据折叠成图的射电脉冲星识别辅助方法，该方法通过二次数据折叠和成图图像处理技术，生成候选体识别辅助判别图像，并将判别结果数据记录至数据库中，能及时更新、及时检索及高速搜索，有助于快速分类海量候选体，辅助科研人员更加有效的识别射电脉冲星信号。

为解决上述技术问题，本发明的一种基于二次数据折叠成图的射电脉冲星识别辅助方法，包括以下步骤：

S101：从脉冲星候选体数据源中获取候选体参数(parameters)，得到待处理候选体数据集（data set）；

S102：对数据集中的每一个候选体，进行二次数据折叠，并调用开源绘图软件分别成图；

S103：添加辅助曲线数据，合并由前述二次数据折叠所成图得到的2个图像，生成辅助识别图像；

S104：更新候选体数据源中候选体的参数信息。

S101包括以下步骤：

S201：查询候选体数据源，得到候选体数据集和每个候选体参数表，数据集中第i个候选体参数信息包括：自转周期（p0）、色散量(dm)、与该候选体对应的原始巡天原数据文件地址(fits_i_add)；

S102包括以下步骤：

S301：对候选体集合进行循环遍历，获取数据集中第i个候选体(Candidate_i)的3个参数值，包括：自转周期（p0）、色散量(dm)、与该候选体对应的原始巡天原数据文件地址(fits_i_add)。

S302：判断第i个候选体（Candidate_i）的色散量（dm）参数值是否为0（dm=0）。若dm=0，则在候选体数据库中更新其参数表，标记该候选体为干扰信号（candidate_rif）。